3月29日,由工業(yè)和信息化部、國家廣播電視總局、廣東省人民政府主辦的“2018中國超高清視頻(4K)產(chǎn)業(yè)發(fā)展大會”在廣州舉行。大會以“超清視界 智享未來”為主題,是目前中國超高清視頻(4K)產(chǎn)業(yè)領域規(guī)格最高、規(guī)模最大的會議活動,旨在進一步推動我國超高清視頻產(chǎn)業(yè)創(chuàng)新發(fā)展,推動廣東4K超高清視頻產(chǎn)業(yè)示范區(qū)和4K電視全國廣播影視產(chǎn)業(yè)示范區(qū)建設。作為視頻產(chǎn)業(yè)發(fā)展歷程的參與者、見證者和引領者,中國聯(lián)通在會議上展示了最新的視頻領域發(fā)展成果,正式成立了中國聯(lián)通超高清視頻技術研發(fā)中心。中國聯(lián)通集團公司總經(jīng)理陸益民應邀出席活動并發(fā)表了題為《聚焦平臺創(chuàng)新 助力超高清產(chǎn)業(yè)發(fā)展》主題演講,闡述了中國聯(lián)通對于構建超高清視頻產(chǎn)業(yè)生態(tài)的思考。
陸益民表示,從增長規(guī)模、技術演進、互聯(lián)網(wǎng)領域應用來看,“信息視頻化、視頻超高清化”已經(jīng)成為信息產(chǎn)業(yè)發(fā)展的大趨勢。作為“視頻云平臺的承載者、視頻精品網(wǎng)絡的提供者、視頻終端產(chǎn)業(yè)的推動者”,運營商是助力超高清視頻產(chǎn)業(yè)持續(xù)升級的發(fā)動機。中國聯(lián)通在全面實施聚焦戰(zhàn)略、深化混合所有制改革、全力推進互聯(lián)網(wǎng)化運營的過程中,將視頻業(yè)務確定為戰(zhàn)略性基礎業(yè)務,以“超清視頻、超高質量、超優(yōu)體驗”為目標,持續(xù)推進平臺、網(wǎng)絡、終端、運營的能力升級。在面向政府、企業(yè)、家庭、個人客戶推出全方位精品視頻服務的同時,全力打造面向產(chǎn)業(yè)各方資源共享共融的大視頻能力開放平臺,助力超高清視頻產(chǎn)業(yè)的持續(xù)升級和共同繁榮。
中國聯(lián)通集團公司總經(jīng)理陸益民
為響應國家超高清視頻產(chǎn)業(yè)發(fā)展及在廣東建成4K產(chǎn)業(yè)示范區(qū)政策號召,全面落實中國聯(lián)通大視頻戰(zhàn)略。本次會議上中國聯(lián)通正式成立了“中國聯(lián)通超高清視頻技術研發(fā)中心”。研發(fā)中心依托于廣東聯(lián)通及廣東省內深厚的產(chǎn)學研支撐能力,將統(tǒng)籌研發(fā)資源,開展視頻技術研究及業(yè)務創(chuàng)新研究,形成具有自主知識產(chǎn)權的拳頭業(yè)務和產(chǎn)品,并進一步推進商業(yè)化運作,為中國超高清視頻產(chǎn)業(yè)帶來更多的創(chuàng)新和改變。
中國聯(lián)通作為2022 年北京冬奧會和冬殘奧會唯一官方合作伙伴,將以匠心的網(wǎng)絡、極致的體驗連通奧運,以創(chuàng)新的應用、豐富的產(chǎn)品服務奧運;以一流的技術、專業(yè)的隊伍保障奧運,為全球億萬觀眾,呈現(xiàn)一場超高清奧運視覺盛宴。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。